Jev 与文本生成模型的取舍
Jev 不生成自由文本。Diogo 用一段对比视频说明并行决策模型与逐字生成模型在任务形态上的差别。
关于 RLHF 与 Jev 论证的演讲回顾
Pete Soderling 回顾了 @CompleteSkeptic 关于 RLHF 的演讲，该演讲探讨了 RLHF 与魔鬼的交易以及 Jev 背后的论证。
3 months ago, an anonymous account commented "Y'all are sleeping on the most important talk of this conference". The speaker was @CompleteSkeptic and his talk was on RLHF's deal with the devil, and the argument behind Jev. Diogo argued that training AI to produce answers people
· 47 次赞在 X 打开
更多类似内容
定价、评测与 Jev 名称的由来
发布线程继续解释 code + AI 的工作流评测，并给出当时的输入价格及免费输出说明。
Jev模型：面向决策的概率生成，比LLM快200倍、便宜400倍
该模型专为决策而非文本生成设计，并行输出各选项概率，而非逐token生成回复。作者给出普通LLM与该Jev模型的简化对比示例。
